Page 85 - 城镇燃气管道检测与评估技术规程

第二章 管道智能检测研究

发了一个线性模型 ADALINE，被推广为一个多层模型 MADALINE。MADLINE
模型的主要贡献在于 Delta 规则训练算法，此规则使得 ADALINE 模型具有显
著的高效性能。与此同时，Rosenblatt 开发了感知器神经网络，感知器的学习过

程是通过利用与所研究问题具有相关性的一组已知数据结果来完成的，相对于
MeCulloch 的优势在于结果可以假设为连续的、不唯一的二进制值。
ANN 本质上是一种开发非参数数学模型的计算技术。与统计过程的不同之
处在于，ANN 模型不会明确地产生一组参数。从数学角度来看，ANN 模型是一

个称为节点或神经元的点组合。一般来说，ANN 内的每一层节点和它下一层节
点间具有完全的连通性，这些连接关系称之为突触，并且网络所获得的知识依赖
于突触的积累。在 ANN 中，信息从输入层到输出层所经历一个过程称为前馈，
对应的网络为前馈神经网络，同时定义节点之间的连接不形成循环。

ANN 通常采用误差反向传播学习法，即用梯度下降法更换节点权重，从而
降低误差函数值。在建立 ANN 的过程中，选择理想的隐层层数与节点数量是最
困难的问题之一。目前并没有固定的规则创建理想的ANN结构。但已有研究表明，
对于一个设计有许多隐含层的网络，总会有一个具有同等学习水平的单一隐含层

网络。因此选用三层 ANN 结构完全可以拟合任意优化问题。同时针对 BP 网络
的固有缺陷，利用人工智能优化算法优化 BP 网络，可以充分挖掘网络结构的潜
能。传统的智能优化方法仅仅能够处理光滑的或可微分的目标函数。当有尖角和
不可微分的复杂函数出现时，传统智能优化算法显得无能为力。因此元启发式算

法（Metaheuristic algorithm，MA）由此产生。经过二十多年的发展，MA 已经产
生了许多具有优越性能的算法，其算法主要是受到自然现象的启发。其中进化算
法是基于自然界中生物的进化规律，主要涉及基因编码、种群初始化、交叉变异
等基本操作。另一方面，群智能算法来源于自然界中多种生物行为的模仿，具有

好的优化性能、强壮的鲁棒性和易实现等优点。
花朵授粉算法（Flower Pollination Algorithm，FPA）的灵感来自于花的自然
授粉。主要授粉可以是非生物的，也可以是生物的。在这个算法中，传粉者具有
一定的特征。生物传粉者被认为是利用 Levy 飞行进行全局搜索，而非生物传粉

者被认为是局部搜索。相较于其他算法，花朵授粉算法具有易实现、参数少、易
调节等许多优势，已经被广泛地应用于多个领域，包括太阳能模块的参数估计、
工程结构的设计问题、医学图像的分割问题、变压器网络的布置问题等。因此，

77